У результаті дослідження систематизовано методи потокового аналізу для підвищення відмовостійкості РС. Визначено ключові архітектурні відмінності провідних інструментів: Apache Kafka як розподілена платформа збереження та передавання подій (принцип «журналу змін»); Apache Flink як інструмент для обробки потоків з мінімальною затримкою та підтримкою станоутримуючих обчислень (stateful computations) і контрольних точок (checkpointing); Apache Spark Streaming, що реалізує підхід міні-пакетної обробки (micro-batching). Розглянуто роль інструментів оркестрації, зокрема Kubernetes, у автоматизації розгортання, масштабування та самовідновлення потокових конвеєрів. Обґрунтовано доцільністьзастосування ML для прогнозування відмов у режимі реального часу. Деталізовано практичні методи забезпечення безперебійної роботи, включаючи резервне копіювання (знімки Velero у Kubernetes), кластеризацію , моніторинг (Prometheus, Grafana) та тестування відмовостійкості, зокрема, із застосуванням підходів "chaos engineering" (наприклад, Chaos Mesh). Практична значущість дослідження полягає у підготовці рекомендацій для впровадження методів потокового аналізу та систем забезпечення відмовостійкості у реальних інформаційних системах, зокрема у хмарних платформах, IoT-системах та критичних ІТ-інфраструктурах.